CN109636767A - 多曝光图像融合方法 - Google Patents

多曝光图像融合方法 Download PDF

Info

Publication number
CN109636767A
CN109636767A CN201811460274.3A CN201811460274A CN109636767A CN 109636767 A CN109636767 A CN 109636767A CN 201811460274 A CN201811460274 A CN 201811460274A CN 109636767 A CN109636767 A CN 109636767A
Authority
CN
China
Prior art keywords
image
exposure
row jth
column pixel
jth column
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811460274.3A
Other languages
English (en)
Inventor
史超超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Original Assignee
Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd filed Critical Shenzhen China Star Optoelectronics Semiconductor Display Technology Co Ltd
Priority to CN201811460274.3A priority Critical patent/CN109636767A/zh
Priority to PCT/CN2019/070915 priority patent/WO2020107662A1/zh
Publication of CN109636767A publication Critical patent/CN109636767A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Studio Devices (AREA)

Abstract

本发明提供一种多曝光图像融合方法。该多曝光图像融合方法通过提取原始图像的亮度分量，根据亮度分量采用S型函数生成K张曝光图像，根据每张曝光图像的需增强区域亮度均值计算每张曝光图像的权重；根据原始图像的累积直方图的分布类型选择对应的图像融合公式，将每张曝光图像的权重代入图像融合公式获得目标图像的亮度，以增强图像融合后的目标图像的细节，防止图像融合后的目标图像发白或模糊。

Description

多曝光图像融合方法
技术领域
本发明涉及图像处理领域，尤其涉及一种多曝光图像融合方法。
背景技术
薄膜晶体管(Thin Film Transistor，TFT)是目前液晶显示装置(Liquid CrystalDisplay，LCD)和有源矩阵驱动式有机电致发光显示装置(Active Matrix Organic Light-Emitting Diode，AMOLED)中的主要驱动元件，直接关 系平板显示装置的显示性能。
现有市场上的液晶显示器大部分为背光型液晶显示器，其包括液晶显示 面板及背光模组(backlight module)。液晶显示面板的工作原理是在薄膜晶体 管阵列基板(ThinFilm Transistor Array Substrate，TFT Array Substrate)与彩 色滤光片(ColorFilter，CF)基板之间灌入液晶分子，并在两片基板上分别 施加像素电压和公共电压，通过像素电压和公共电压之间形成的电场控制液 晶分子的旋转方向，以将背光模组的光线透射出来产生画面。
由于在同一场景不同光线下得到的图像，无论它的曝光时间长短，都会 出现曝光过度或曝光不足的现象，很容易在图像中产生阴影及光照不均等现 象，这样造成图像信息含量低，重要信息丢失等问题。因此需要多曝光图像 融合将多张不同曝光程度的图像加以综合，以得到信息含量较高的图像。现 有的多曝光融合算法通过构建一个合适的曝光函数来将原始图像生成多张曝 光图像，多张曝光图像分别计算各自的权重，依次各自的权重将多张曝光图 像融合成目标图像。但是每张曝光图像的权重计算求取得是原始图像的均值作为中心值，多张曝光图像分别与该中心值进行比较求得权重，而每张不同 的曝光图像往往关注的重点不同，例如较暗的曝光图像往往关注的是最亮的 那个区域(如天空)，最亮的曝光图像需要增强的地方是较暗的区域细节，每张 曝光图像的权重统一的取均值并不能取得较好的效果，融合后的图像往往发 白或模糊。
发明内容
本发明的目的在于提供一种多曝光图像融合方法，能够增强图像融合后的 目标图像的细节，防止图像融合后的目标图像发白或模糊。
为实现上述目的，本发明提供了一种多曝光图像融合方法，包括如下步骤：
步骤S1、提取原始图像的亮度分量，根据亮度分量采用S型函数生成K张 曝光图像，设K为正整数；
步骤S2、根据每张曝光图像的需增强区域亮度均值计算每张曝光图像的权 重；
步骤S3、根据原始图像的累积直方图的分布类型选择对应的图像融合公式， 根据每张曝光图像的权重以及图像融合公式获得目标图像的亮度值。
所述步骤S1中，提取原始图像的亮度分量的公式为：Ld(i,j)＝ 0.2125*R(i,j)+0.7154*G(i,j)+0.0721*B(i,j)；其中，设i，j均为正整数，Ld(i,j)为 原始图像的第i行第j列像素的亮度值，R(i,j)为原始图像的第i行第j列像素的红 色子像素的亮度值，G(i,j)为原始图像的第i行第j列像素的绿色子像素的亮度值， B(i,j)为原始图像的第i行第j列像素的蓝色子像素的亮度值。
所述S型函数为： 其中，Lwk(i，j)为第K张曝光图像的第i行第j列像素的亮度值，10-pk为第K张 曝光图像的缩放因子，Lad,k为第K张曝光图像的平均亮度，Lmax,k为第K张曝 光图像的最大亮度。
第K张曝光图像的平均亮度的计算公式为：Lad,k＝1+exp(μ*Vk)， 其中，μ为常数，Vk为第K张曝光图像的曝光值。
所述步骤S2中，权重计算公式为：其中，Wk(i,j) 为第K张曝光图像的第i行第j列像素的权重，Lmed,k为第K张曝光图像需增强区 域亮度均值。
所述步骤S3中，判断原始图像的累积直方图的分布类型的方法为：根据原 始图像的累积直方图生成对应原始图像的所有像素的K-1个的概率分布区块， 且每一个概率分布区块的最大灰阶与最小灰阶之差相等；
当K-1个相等的概率分布区块中除第1个概率分布区块与第K-1个概率分布 区块之外的其中的多个相邻的概率分布区块的累积概率之和大于一预设的累 积概率之和，判断原始图像的累积直方图的分布类型为中间分布型；
当K-1个相等的概率分布区块中除第1个概率分布区块与第K-1个概率分布 区块之外的其中多个相邻的概率分布区块的累积概率之和小于或等于一预设 的累积概率之和，判断原始图像的累积直方图的分布类型为两端分布型。
预设的累积概率之和为0.65。
当原始图像的累积直方图的类型为两端分布型时，对应两端分布型的图像 融合公式为：其中L(i,j)为目标图像的 第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j列像素的亮度值 至第K张曝光图像的第i行第j列像素的亮度值，Wn(i,j)为第1张曝光图像的第i 行第j列像素的权重至第K张曝光图像的第i行第j列像素的权重。
当原始图像的累积直方图的分布类型为中间分布型时，对应中间分布型的 图像融合公式为：其中L(i,j)为目标 图像的第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j列像素的 亮度值至第K张曝光图像的第i行第j列像素的亮度值，Wk-n+1(i,j)为第K张曝光图 像的第i行第j列像素的权重至第1张曝光图像的第i行第j列像素的权重。
所述步骤S1中还将每张曝光图像的每一像素的灰阶缩小255倍。
本发明的有益效果：本发明的多曝光图像融合方法，通过提取原始图像的 亮度分量，根据亮度分量采用S型函数生成K张曝光图像，根据每张曝光图像 的需增强区域亮度均值计算每张曝光图像的权重；根据原始图像的累积直方图 的分布类型选择对应的图像融合公式，将每张曝光图像的权重代入图像融合公 式获得目标图像的亮度，以增强图像融合后的目标图像的细节，防止图像融合 后的目标图像发白或模糊。
附图说明
为了能更进一步了解本发明的特征以及技术内容，请参阅以下有关本发明 的详细说明与附图，然而附图仅提供参考与说明用，并非用来对本发明加以限 制。
附图中，
图1为本发明的多曝光图像融合方法的流程图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的 优选实施例及其附图进行详细描述。
请参阅图1，本发明提供一种多曝光图像融合方法，包括如下步骤：
步骤S1、提取原始图像的亮度分量，根据亮度分量采用S型函数生成K张 曝光图像，设K为正整数；
步骤S2、根据每张曝光图像的需增强区域亮度均值计算每张曝光图像的 权重；
步骤S3、根据原始图像的累积直方图的分布类型选择对应的图像融合公 式，根据每张曝光图像的权重以及图像融合公式获得目标图像的亮度值。
具体的，所述K张曝光图像的曝光值依次递增，即第1张曝光图像的曝光 值最小，第K张曝光图像的曝光值最大。
具体的，所述步骤S1中，提取原始图像的亮度分量的公式为：Ld(i,j)＝ 0.2125*R(i.j)+0.7154*G(i,j)+0.0721*B(i,j)；其中，设i，j均为正整数，Ld(i,j)为 原始图像的第i行第j列像素的亮度值，R(i.j)为原始图像的第i行第j列像素的红 色子像素的亮度值，G(i.j)为原始图像的第i行第j列像素的绿色子像素的亮度 值，B(i.j)为原始图像的第i行第j列像素的蓝色子像素的亮度值。
具体的，所述S型函数为：其中，Lwk(i，j)为第K张曝光图像的第i行第j列像素的亮度值，为第K张曝 光图像的缩放因子，Lad,k为第K张曝光图像的平均亮度，Lmax,k为第K张曝光图 像的最大亮度。
进一步的，第K张曝光图像的平均亮度的计算公式为： Lad,k＝1+exp(μ*Vk)，其中，μ为常数，Vk为第K张曝光图像的曝光 值。
具体的，所述步骤S1中还可以将每张曝光图像的每一像素的灰阶缩小255 倍，即将0到255灰阶压缩至0-1灰阶，从直方图来看，就是将为灰阶的横坐标 从0-255压缩至0-1，以便于统计。
具体的，所述步骤S2中，权重计算公式为：其中，Wk(i,j) 为第K张曝光图像的第i行第j列像素的权重，Lmed,k为第K张曝光图像需增强区 域亮度均值。
具体的，所述步骤S3中，判断原始图像的累积直方图的分布类型的方法 为：根据原始图像的累积直方图生成对应原始图像的所有像素的K-1个的概率 分布区块，且每一个概率分布区块的最大灰阶与最小灰阶之差相等；当K-1 个相等的概率分布区块中除第1个概率分布区块与第K-1个概率分布区块之外 的其中的多个相邻的概率分布区块的累积概率之和大于一预设的累积概率之 和，判断原始图像的累积直方图的分布类型为中间分布型，当K-1个相等的概 率分布区块中除第1个概率分布区块与第K-1个概率分布区块之外的其中的多 个相邻的概率分布区块的累积概率之和小于或等于一预设的累积概率之和， 判断原始图像的累积直方图的分布类型为两端分布型。
具体的，预设的累积概率之和为0.65。
进一步的，当原始图像的累积直方图的类型为两端分布型时，对应两端 分布型的图像融合公式为：其中L(i,j) 为目标图像的第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j 列像素的亮度值至第K张曝光图像的第i行第j列像素的亮度值，Wn(i,j)为第1 张曝光图像的第i行第j列像素的权重至第K张曝光图像的第i行第j列像素的权 重。即对应两端分布型的图像融合公式是将第1张曝光图像的第i行第j列像素 的亮度值与第1张曝光图像的第i行第j列像素的权重的乘积，加上第2张曝光图 像的第i行第j列像素的亮度值与第2张曝光图像的第i行第j列像素的权重的乘积，直至加上第K张曝光图像的第i行第j列像素的亮度值与第K张曝光图像的 第i行第j列像素的权重的乘积，从而得到目标图像的第i行第j列像素的亮度值， 由于第1张曝光图像的曝光值最低，第K张曝光图像的的曝光值最高，可以增 强低曝光值的曝光图像的亮区细节以及增强高曝光值的曝光图像的暗区细节， 进而增强图像融合后的目标图像的细节。
当原始图像的累积直方图的分布类型为中间分布型时，对应中间分布型 的图像融合公式为：其中L(i,j)为 目标图像的第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j列像 素的亮度值至第K张曝光图像的第i行第j列像素的亮度值，Wk-n+1(i,j)为第K张 曝光图像的第i行第j列像素的权重至第1张曝光图像的第i行第j列像素的权重。 即对应中间分布型的图像融合公式是将第1张曝光图像的第i行第j列像素的亮 度值与第K张曝光图像的第i行第j列像素的权重的乘积，加上第2张曝光图像 的第i行第j列像素的亮度值与第K-1张曝光图像的第i行第j列像素的权重的乘 积，直至加上第K张曝光图像的第i行第j列像素的亮度值与第1张曝光图像的 第i行第j列像素的权重的乘积，从而得到目标图像的第i行第j列像素的亮度值， 由于第1张曝光图像的曝光值最低，第K张曝光图像的的曝光值最高，可以改 变增强权重，从而使低曝光值的曝光图像的低曝，高曝光值的曝光图像的高 曝，以增强低曝光值和高曝光值的曝光图像的细节，进而增强图像融合后的 目标图像的细节。
以下以K＝5举例说明：步骤S1生成了5张曝光图像，第1张曝光图像的曝 光值最小，第5张曝光图像的曝光值最大，步骤S2对应生成4个相等的概率分 布区块，每一个概率分布区块的最大灰阶与最小灰阶之差相等，即4个概率分 布区块均分255灰阶，第1个概率分布区块的灰阶范围为0-64，第2个概率分布 区块的灰阶范围为64-128，第3个概率分布区块的灰阶范围为128-192，第4个 概率分布区块的灰阶范围为192-255，步骤S3判断第2个概率分布区块的累积 概率与第3个概率分布区块的累积概率之和是否大于0.65(也就是判断位于 64-192灰阶的像素个数占总像素个数的比值是否大于0.65)，当累积概率之和 大于0.65，判断原始图像的累积直方图的分布类型为中间分布型，当累积概 率之和小于或等于0.65，判断原始图像的累积直方图的分布类型为两端分布 型，当原始图像的累积直方图的类型为两端分布型时，对应两端分布型的图 像融合公式为： L(i,j)＝Lw1(i,j)*W1(i,j)+Lw2(i,j)*W2(i,j)+Lw3(i,j)*W3(i,j)+Lw4(i,j)*W4(i,j)+Lw5(i,j)*W 5(i,j)，当原始图像的累积直方图的类型为中间分布型时，对应中间分布型的 图像融合公式为： L(i,j)＝Lw1(i,j)*W5(i,j)+Lw2(i,j)*W4(i,j)+Lw3(i,j)*W3(i,j)+Lw4(i,j)*W2(i,j)+Lw5(i,j)* W1(i,j)，从而得到目标图像的第i行第j列像素的亮度值，以增强图像融合后的 目标图像的细节，防止图像融合后的目标图像发白或模糊。
综上所述，本发明的多曝光图像融合方法，通过提取原始图像的亮度分 量，根据亮度分量采用S型函数生成K张曝光图像，根据每张曝光图像的需增 强区域亮度均值计算每张曝光图像的权重；根据原始图像的累积直方图的分 布类型选择对应的图像融合公式，将每张曝光图像的权重代入图像融合公式 获得目标图像的亮度，以增强图像融合后的目标图像的细节，防止图像融合 后的目标图像发白或模糊。
以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方 案和技术构思作出其他各种相应的改变和变形，而所有这些改变和变形都应 属于本发明权利要求的保护范围。

Claims (10)

1.一种多曝光图像融合方法，其特征在于，包括如下步骤：
步骤S1、提取原始图像的亮度分量，根据亮度分量采用S型函数生成K张曝光图像，设K为正整数；
步骤S2、根据每张曝光图像的需增强区域亮度均值计算每张曝光图像的权重；
步骤S3、根据原始图像的累积直方图的分布类型选择对应的图像融合公式，根据每张曝光图像的权重以及图像融合公式获得目标图像的亮度值。
2.如权利要求1所述的多曝光图像融合方法，其特征在于，所述步骤S1中，提取原始图像的亮度分量的公式为：Ld(i,j)＝0.2125*R(i,j)+0.7154*G(i,j)+0.0721*B(i,j)；其中，设i，j均为正整数，Ld(i,j)为原始图像的第i行第j列像素的亮度值，R(i,j)为原始图像的第i行第j列像素的红色子像素的亮度值，G(i,j)为原始图像的第i行第j列像素的绿色子像素的亮度值，B(i,j)为原始图像的第i行第j列像素的蓝色子像素的亮度值。
3.如权利要求2所述的多曝光图像融合方法，其特征在于，所述S型函数为：
其中，Lwk(i，j)为第K张曝光图像的第i行第j列像素的亮度值，为第K张曝光图像的缩放因子，Lad,k为第K张曝光图像的平均亮度，Lmax,k为第K张曝光图像的最大亮度。
4.如权利要求3所述的多曝光图像融合方法，其特征在于，第K张曝光图像的平均亮度的计算公式为：Lad,k＝1+exp(μ*Vk)，其中，μ为常数，Vk为第K张曝光图像的曝光值。
5.如权利要求3所述的多曝光图像融合方法，其特征在于，所述步骤S2中，权重计算公式为：其中，Wk(i,j)为第K张曝光图像的第i行第j列像素的权重，Lmed,k为第K张曝光图像需增强区域亮度均值。
6.如权利要求5所述的多曝光图像融合方法，其特征在于，所述步骤S3中，判断原始图像的累积直方图的分布类型的方法为：根据原始图像的累积直方图生成对应原始图像的所有像素的K-1个的概率分布区块，且每一个概率分布区块的最大灰阶与最小灰阶之差相等；
当K-1个相等的概率分布区块中除第1个概率分布区块与第K-1个概率分布区块之外的其中的多个相邻的概率分布区块的累积概率之和大于一预设的累积概率之和，判断原始图像的累积直方图的分布类型为中间分布型；
当K-1个相等的概率分布区块中除第1个概率分布区块与第K-1个概率分布区块之外的其中多个相邻的概率分布区块的累积概率之和小于或等于一预设的累积概率之和，判断原始图像的累积直方图的分布类型为两端分布型。
7.如权利要求6所述的多曝光图像融合方法，其特征在于，预设的累积概率之和为0.65。
8.如权利要求6所述的多曝光图像融合方法，其特征在于，当原始图像的累积直方图的类型为两端分布型时，对应两端分布型的图像融合公式为：其中L(i,j)为目标图像的第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j列像素的亮度值至第K张曝光图像的第i行第j列像素的亮度值，Wn(i,j)为第1张曝光图像的第i行第j列像素的权重至第K张曝光图像的第i行第j列像素的权重。
9.如权利要求6所述的多曝光图像融合方法，其特征在于，当原始图像的累积直方图的分布类型为中间分布型时，对应中间分布型的图像融合公式为：其中L(i,j)为目标图像的第i行第j列像素的亮度值，Lwn(i,j)为第1张曝光图像的第i行第j列像素的亮度值至第K张曝光图像的第i行第j列像素的亮度值，Wk-n+1(i,j)为第K张曝光图像的第i行第j列像素的权重至第1张曝光图像的第i行第j列像素的权重。
10.如权利要求1所述的多曝光图像融合方法，其特征在于，所述步骤S1中还将每张曝光图像的每一像素的灰阶缩小255倍。
CN201811460274.3A 2018-11-30 2018-11-30 多曝光图像融合方法 Pending CN109636767A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811460274.3A CN109636767A (zh) 2018-11-30 2018-11-30 多曝光图像融合方法
PCT/CN2019/070915 WO2020107662A1 (zh) 2018-11-30 2019-01-08 多曝光图像融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811460274.3A CN109636767A (zh) 2018-11-30 2018-11-30 多曝光图像融合方法

Publications (1)

Publication Number Publication Date
CN109636767A true CN109636767A (zh) 2019-04-16

Family

ID=66070553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811460274.3A Pending CN109636767A (zh) 2018-11-30 2018-11-30 多曝光图像融合方法

Country Status (2)

Country Link
CN (1) CN109636767A (zh)
WO (1) WO2020107662A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087003A (zh) * 2019-04-30 2019-08-02 深圳市华星光电技术有限公司 多曝光图像融合方法
CN110211077A (zh) * 2019-05-13 2019-09-06 杭州电子科技大学上虞科学与工程研究院有限公司 一种基于高阶奇异值分解的多曝光图像融合方法
CN110619610A (zh) * 2019-09-12 2019-12-27 紫光展讯通信(惠州)有限公司 图像处理方法及装置
CN110719407A (zh) * 2019-10-18 2020-01-21 北京字节跳动网络技术有限公司 图片美化方法、装置、设备及存储介质
CN110728647A (zh) * 2019-10-16 2020-01-24 紫光展讯通信(惠州)有限公司 水下图像的增强方法及装置、存储介质、终端
CN114187213A (zh) * 2021-12-14 2022-03-15 成都微光集电科技有限公司 图像融合方法及其装置、设备和存储介质
WO2023131028A1 (zh) * 2022-01-10 2023-07-13 荣耀终端有限公司 图像处理方法及其相关设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114820404A (zh) * 2021-01-29 2022-07-29 北京字节跳动网络技术有限公司 图像处理方法、装置、电子设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454144A (zh) * 2016-09-08 2017-02-22 清华大学 一种对谷歌眼镜图像过度曝光的校正方法
CN106920221A (zh) * 2017-03-10 2017-07-04 重庆邮电大学 兼顾亮度分布和细节呈现的曝光融合方法
CN107194884A (zh) * 2017-04-18 2017-09-22 天津大学 一种具有不同曝光值的多幅ldr图像获取方法
CN107590791A (zh) * 2017-09-22 2018-01-16 深圳市华星光电半导体显示技术有限公司 图像增强方法以及图像处理装置
US20180260941A1 (en) * 2017-03-07 2018-09-13 Adobe Systems Incorporated Preserving color in image brightness adjustment for exposure fusion

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4600684B2 (ja) * 2006-08-18 2010-12-15 日本ビクター株式会社 撮影装置及び撮影方法
CN106408518B (zh) * 2015-07-30 2019-09-06 展讯通信（上海）有限公司 图像融合方法、装置及终端设备
CN106530263A (zh) * 2016-10-19 2017-03-22 天津大学 一种适应于医学影像的单曝光高动态范围图像生成方法
CN106506983B (zh) * 2016-12-12 2019-07-19 天津大学 一种适用于ldr视频的hdr视频生成方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106454144A (zh) * 2016-09-08 2017-02-22 清华大学 一种对谷歌眼镜图像过度曝光的校正方法
US20180260941A1 (en) * 2017-03-07 2018-09-13 Adobe Systems Incorporated Preserving color in image brightness adjustment for exposure fusion
CN106920221A (zh) * 2017-03-10 2017-07-04 重庆邮电大学 兼顾亮度分布和细节呈现的曝光融合方法
CN107194884A (zh) * 2017-04-18 2017-09-22 天津大学 一种具有不同曝光值的多幅ldr图像获取方法
CN107590791A (zh) * 2017-09-22 2018-01-16 深圳市华星光电半导体显示技术有限公司 图像增强方法以及图像处理装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SANG-HOON LEE: "A Multi-Exposure Image Fusion Based on the Adaptive Weights Reflecting the Relative Pixel Intensity and Global Gradient", 《2018 25TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》 *
TSUN-HSIEN WANG: "Pseudo-Multiple-Exposure-Based Tone", 《IEEE TRANSACTIONS ON MULTIMEDIA》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087003A (zh) * 2019-04-30 2019-08-02 深圳市华星光电技术有限公司 多曝光图像融合方法
CN110211077A (zh) * 2019-05-13 2019-09-06 杭州电子科技大学上虞科学与工程研究院有限公司 一种基于高阶奇异值分解的多曝光图像融合方法
CN110211077B (zh) * 2019-05-13 2021-03-09 杭州电子科技大学上虞科学与工程研究院有限公司 一种基于高阶奇异值分解的多曝光图像融合方法
CN110619610A (zh) * 2019-09-12 2019-12-27 紫光展讯通信(惠州)有限公司 图像处理方法及装置
CN110728647A (zh) * 2019-10-16 2020-01-24 紫光展讯通信(惠州)有限公司 水下图像的增强方法及装置、存储介质、终端
CN110719407A (zh) * 2019-10-18 2020-01-21 北京字节跳动网络技术有限公司 图片美化方法、装置、设备及存储介质
CN114187213A (zh) * 2021-12-14 2022-03-15 成都微光集电科技有限公司 图像融合方法及其装置、设备和存储介质
WO2023131028A1 (zh) * 2022-01-10 2023-07-13 荣耀终端有限公司 图像处理方法及其相关设备

Also Published As

Publication number Publication date
WO2020107662A1 (zh) 2020-06-04

Similar Documents

Publication Publication Date Title
CN109636767A (zh) 多曝光图像融合方法
CN110087003B (zh) 多曝光图像融合方法
US11017715B2 (en) Mura compensation method and device for curved screen
CN104699438B (zh) 对oled显示器的待显示画面进行处理的设备和方法
US9620055B2 (en) Organic electroluminescent display device including gamma reference voltage generator and method of driving the same
US9886915B2 (en) Dynamic backlight adjustment method of display screen
JP5122683B2 (ja) ３成分画像を４成分画像に変換すること
US8497885B2 (en) Display apparatus and drive method thereof
CN107819020A (zh) 一种有机发光显示面板及显示装置
CN107342054B (zh) 显示装置、显示控制方法及显示控制装置
JP6919135B2 (ja) 輝度調整システム
CN108009993A (zh) 处理高动态范围图像的方法和模块以及使用其的显示设备
KR20160078748A (ko) 표시장치와 그 구동 방법
CN109147685B (zh) Mura补偿方法
CN108780626B (zh) 有机发光二极管显示装置及其操作方法
CN106205485A (zh) 图像处理方法、图像处理电路及使用其的有机发光二极管显示装置
TWI485691B (zh) 顯示影像之方法
CN108492772A (zh) 一种Gamma调节方法及Gamma调节系统
CN107871475A (zh) 有机发光二极管显示设备
US9898956B2 (en) Method of driving active-matrix organic light-emitting diode (AMOLED) panels
CN110379370B (zh) 一种基于阈值比较的RGB-Delta型显示面板子像素渲染方法
KR102154698B1 (ko) 표시장치와 그 휘도 향상 방법
US20210358391A1 (en) Display device driving method
CN111028773B (zh) 亮暗不均补偿技术的补偿系数获取方法和获取装置
CN105632406B (zh) 显示装置及其影像控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190416